基于YOLOv11-WTseg算法的隧道表观病害分割

王晋; 徐涛; 郭凤香; 陈峥; 刘勇; 吴云鹏

doi:10.12404/j.issn.1671-1815.2507107

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (24) :10582-10591 DOI: 10.12404/j.issn.1671-1815.2507107

交通运输

基于YOLOv11-WTseg算法的隧道表观病害分割

王晋 ¹^,² ,
徐涛 ² ,
郭凤香 ² ,
陈峥 ² ,
刘勇 ¹ ,
吴云鹏 ²^,^*

作者信息 +

Tunnel Apparent Disease Segmentation Based on YOLOv11-WTseg Algorithm

WANG Jin ¹^,² ,
XU Tao ² ,
GUO Feng-xiang ² ,
CHEN Zheng ² ,
LIU Yong ¹ ,
WU Yun-peng ²^,^*

Author information +

文章历史 +

摘要

隧道结构长期服役过程中易出现渗水、裂缝、剥落等表观病害,严重威胁行车安全与结构耐久性。现有隧道病害检测方法在多尺度特征提取与嵌入式部署适应性方面仍存在不足。针对这一问题,提出了一种改进型YOLOv11-WTseg隧道病害检测方法。该方法在 YOLOv11-seg 算法的解析分支中引入小波变换卷积模块(wavelet transform convolution block, WTConv),扩大模型感受野并增强多尺度特征捕获能力;同时,将边界框回归损失函数由完全交并比(complete intersection over union,CIoU)替换为SIoU(Scylla intersection over union),通过角度惩罚机制优化边界框回归过程。基于自建隧道病害数据集,选取侧沟损伤、非侧沟板损伤、路面裂缝、渗漏水和拱顶剥落作为研究对象开展对比实验。结果表明:在引入WTConv后Box_mAP从0.821提升至0.844,Mask_mAP从0.787提升至0.820;进一步采用SIoU后,Box_mAP 提升至0.845,Mask_mAP提升至0.839。与基线模型相比,改进模型在不同输入尺度下均表现出更优的检测与分割精度。同时,在NVIDIA Jetson Xavier NX平台上进行的嵌入式部署验证显示,改进模型在保持模型规模仅为5.4 M的条件下,推理延迟为117 ms,兼具轻量化特性与实时性。研究结果表明,YOLOv11-WTseg模型能够实现隧道典型病害的高效、精准检测与分割,并具备良好的工程应用前景,可为隧道结构健康监测与养护决策提供技术支撑。

Abstract

Tunnel structures are prone to surface defects such as water seepage, cracks, and spalling during long-term service, seriously threatening driving safety and structural durability. Existing tunnel defect detection methods still lack multi-scale feature extraction and adaptability to embedded deployment. To address these issues, an improved tunnel-defect detection method named YOLOv11-WTseg was proposed. Specifically, a wavelet transform convolution block (WTConv) was introduced into the segmentation branch of the YOLOv11-seg architecture to enlarge the receptive field and enhance multi-scale feature representation. Meanwhile, the bounding box regression loss was replaced from complete intersection over union (CIoU) to Scylla intersection over union (SIoU) to optimize the regression process through an angle-based penalty mechanism. Based on a self-built tunnel defect dataset, comparative experiments were conducted on gutter damage, non-gutter slab damage, pavement cracks, water seepage, and vault spalling. Results show that the introduction of WTConv increases Box_mAP from 0.821 to 0.844, and Mask_mAP from 0.787 to 0.820. Further employing SIoU increases Box_mAP to 0.845 and Mask_mAP to 0.839. Compared to the baseline model, the improved model demonstrates superior detection and segmentation accuracy across various input scales. Furthermore, embedded deployment verification on the NVIDIA Jetson Xavier NX platform demonstrates that the improved model achieves both lightweight and real-time performance while maintaining a model size of only 5.4 M, achieving an inference latency of 117 ms. These results demonstrate that the YOLOv11-WTseg model can efficiently and accurately detect and segment typical tunnel defects and has promising engineering application prospects, providing technical support for tunnel structural health monitoring and maintenance decision-making.

Graphical abstract

关键词

隧道病害检测 / YOLOv11-WTseg / 小波变换卷积(WTConv) / SIoU / 多尺度特征 / 边界框回归 / 嵌入式部署

Key words

tunnel defect detection / YOLOv11-WTseg / wavelet transform convolution (WTConv) / SIoU / multi-scale features / bounding box regression / embedded deployment

引用本文

引用格式 ▾

王晋, 徐涛, 郭凤香, 陈峥, 刘勇, 吴云鹏. 基于YOLOv11-WTseg算法的隧道表观病害分割[J]. 科学技术与工程, 2026, 26(24): 10582-10591 DOI:10.12404/j.issn.1671-1815.2507107

WANG Jin, XU Tao, GUO Feng-xiang, CHEN Zheng, LIU Yong, WU Yun-peng. Tunnel Apparent Disease Segmentation Based on YOLOv11-WTseg Algorithm[J]. Science Technology and Engineering, 2026, 26(24): 10582-10591 DOI:10.12404/j.issn.1671-1815.2507107

登录浏览全文

4963

注册一个新账户忘记密码

截至2023年,中国公路隧道数量已达27 297处,总长度为30 231.8 km,其中特长隧道2 050处,长度达9 240.7 km,长隧道7 552处,长度达 13 213.8 km^[1]。由于建设周期差异、施工质量不一以及复杂的地质与水文条件,运营期内隧道普遍存在多种缺陷与病害。经过多年运行,隧道衬砌常见病害包括拱顶剥落、渗水、侧沟破损等,这些病害的发展速度和影响程度与衬砌结构状况密切相关,需进行长期、系统性的观测与评估^[2]。

目前,隧道衬砌病害的检测仍以人工为主,受限于作业窗口时间、照明条件及检测距离等因素,检测效率与精度难以满足快速增长的运营需求,技术手段与隧道管理规模之间的矛盾日益突出^[3]。近年来,随着卷积神经网络(convolutional neural network,CNN)等人工智能技术的发展,基于视觉图像的自动化检测手段已成为提升检测效率和准确性的有效途径。中外学者在该领域已开展大量研究与应用。Long等^[4]提出了一种铁路隧道衬砌内部缺陷检测系统 YOLATC (you only look at tunnel coefficients)。该方法结合多感受野骨干网络和条形池化模块,以增强多尺度特征表示并提高对长而窄缺陷区域的分割能力;同时采用骨架化劣化等级评估方法对缺陷严重程度进行定量分析。杨豪等^[5]提出了一种改进的YOLO11算法用来进行道路内部空洞定量识别。该方法通过利用部分卷积(partial convolution,Pconv)改进核大小为2的跨阶段部分网络(cross stage partial network with kernel size 2,C3K2)模块,提升运算效率,减少计算量和内存访问;并利用高效的多尺度注意力机制(efficient multi-scale attention,EMA)注意力模块改进跨阶段局部金字塔挤压注意力(cross stage partial with pyramid squeeze attention,C2PSA)模块,提升检测精度,为道路内部空洞智能检测提供助力。方力涵等^[6]提出了改进型隧道衬砌病害检测模型YOLO-Tunnel,通过优化YOLOv5的主干(Backbone)和颈部(Neck)架构,并结合B-scan数据特性进行尺度与权重调整,实现了更高精度的病害识别。然而,上述方法主要聚焦于隧道衬砌内部病害的识别,依赖于探地雷达(ground penetrating radar,GPR)雷达图像数据,对隧道表观病害的检测仍存在明显不足,尚难以满足实际巡检对外观损伤智能识别的需求。

针对上述情况,陈霆等^[7]提出了一种改进YOLOv7的地铁隧道表观病害与附属设施检测方法,通过引入ConvMixer、双向特征金字塔网络(bi-directional feature pyramid network,BiFPN)与简易注意力模块(simple attention module,SimAM)等模块提升小目标识别与全局特征建模能力,在保证较高精度的同时,实现了模型轻量化与实时性。陈茂^[8]提出了一种基于SegNet的隧道表观病害智能检测方法,利用移动采集设备获取原始图像,通过编码器-解码器-分类器协同处理实现病害识别,并通过实际工程验证表明该方法具有较高精度和实用性。白子毅等^[9]提出了一种基于改进U-Net的隧道渗漏水检测方法,通过采用EfficientNet-B1网络替换编码器主干、引入集成SE模块的门控机制替代跳跃连接中的拼接操作,有效提升了在低光照隧道环境下的分割精度与鲁棒性。尽管现有方法取得了一定进展,但由于隧道表观病害在形状、尺寸及纹理等方面具有显著差异性,仍面临检测精度和模型鲁棒性不足的问题。为此,发展具备更强泛化能力和更高精度的语义分割算法,实现病害的快速、准确定位识别,已成为保障隧道安全运营和提升巡检效率的关键方向,具有重要的研究意义与工程应用价值。

为此,以隧道典型表观病害为研究对象,重点关注侧沟损伤(STD)、非侧沟板损伤(NSTP)、路面裂缝(RC)、渗漏水(LW)以及拱顶剥落(VLS)等多类型病害,针对自建数据集中存在的多尺度目标特征问题,将隧道多类型表观病害(STD、NSTP、RC、LW、VLS)作为统一检测目标,构建具有代表性的自建数据集;在YOLOv11-seg实例分割模型的基础上,引入小波变换卷积(wavelet transform convolution,WTConv)以增强特征提取能力,更好地应对隧道病害在尺度差异大、纹理复杂情况下的检测与分割问题;将原始模型中的完全交并比(complete intersection over union,CIoU)损失函数替换为SIoU(Scylla intersection over union),提升边界框回归的鲁棒性与收敛效率,从而增强复杂病害目标的定位精度与模型稳定性;最后在NVIDIA Jetson Xavier NX边缘计算平台上完成嵌入式部署实验,期望改进模型在保持轻量化规模的同时,提升隧道病害识别与分割精度,达到更优的推理速度与计算效率。以期为隧道病害智能巡检提供一种兼顾精度、实时性与部署适应性的可行方案,具有重要的工程应用价值与推广意义。

1 YOLOv11-seg模型及其改进

YOLOv11-seg模型是由Ultralytics公司开发的语义分割神经网络,通过架构轻量化、注意力增强和任务对齐优化,实现了精度、速度、效率的全面提升,是目前YOLO分割系列中的技术最先进水平(state-of-the-art,SOTA)选择^[10]。与以前版本相比,YOLOv11-seg在保持实时性的同时,提高了目标检测和掩膜分割的准确率。它通过多尺度池化+注意力权重强化全局特征感知,能够对不同分辨率的目标进行检测和分割,从而更好地适应各种场合和需求。

YOLOv11-seg 采用改进的Backbone和Neck架构。主干网络通过引入C3K2 模块替代YOLOv8中的C2f模块,实现了跨阶段部分(cross stage partial,CSP)结构的优化^[11]。在空间金字塔池化(spatial pyramid pooling,SPP)模块中引入C2PSA自注意力机制,进一步增强了特征提取能力。

改进的YOLOv11-WTseg 模型的整体架构如图1所示。主干网络负责输入图像的特征提取,而检测头则借鉴了YOLOv10^[12]的设计思想,采用深度可分离卷积(depthwise separable convolution)来降低计算量并提升效率。这种深度可分离的设计不仅简化了模型的计算流程,还显著减少了模型参数量与浮点运算次数(FLOPs)。但是,由于隧道表观病害尺度的多样性,以及环境的干扰,原始YOLOv11-seg无法针对隧道表观病害进行准确的解析分割。为此,提出了改进的YOLOv11-WTseg模型。首先在颈部(Neck)网络中使用了小波变换卷积(wavelet transform convolution)块^[13]代替了原有的Conv块,该方法通过多尺度频域特征提取显著扩大模型感受野,有效增强了对侧沟损坏、未覆盖的沟槽板、路面裂缝、漏水和拱顶衬砌剥落等病害的边缘特征感知能力;其次,在隧道病害分割任务中使用SIoU损失函数^[14],通过引入角度惩罚机制与方向感知优化,提升了隧道病害分割精度。

1.1 C2f模块

跨阶段部分连接的双路融合模块(cross stage partial with 2-way fusion,C2f)因其轻量化的特性,而常作为轻量化目标检测的特征提取与融合模块。如图2所示,其主要组成部分包括:首先对输入特征图进行常规 1×1 卷积,将通道数扩展为原输入通道数的两倍,以增强特征表达能力。其次,将扩展后的特征图分为两部分:一部分直接保留用于后续拼接,另一部分输入Bottleneck模块中。Bottleneck模块结构如图3所示,由4个串联的 Bottleneck单元构成,每个单元包含卷积层及由参数shortcut控制的残差连接,用于逐步提取更深层次的特征并增强信息流动。然后,将 Bottleneck 模块的输出与保留的特征图进行拼接,实现多尺度特征的融合与信息多样性的提升。最终通过一次卷积将拼接后的特征图压缩至目标通道数,以便进入后续网络结构。C2f模块通过引入特征分支与拼接操作,有效实现了不同层次特征的聚合,提升了模型对多尺度信息的建模能力。同时,利用卷积压缩操作在保持特征表达能力的前提下减少了计算量和参数量,从而兼顾了检测精度与模型效率。

1.2 C3K2模块

C3K2模块在传统C3模块的基础上引入可变卷积核与特征分支策略,因而成为现阶段 YOLO系列模型中的重要特征提取与融合结构。如图4(a)所示,其主要组成部分包括:首先对输入特征图进行1×1卷积以进行通道调整,并将特征图分为两部分,其中一部分直接保留用于后续拼接,另一部分输入由多尺度卷积核构成的特征提取分支。该分支由4组C3K结构组成,通过引入不同大小的卷积核,扩展模型的感受野,从而增强对复杂上下文信息及多尺度目标的表征能力。C3K网络结构如图4(b)所示。随后,将特征提取分支的输出与直接保留的特征图在通道维度上进行拼接,实现多尺度特征融合。最后,通过一次1×1卷积完成通道压缩,输出符合网络后续处理需求的特征图。C3K2模块通过在结构中引入可变卷积核设计,使得模型能够更好地捕捉大物体和复杂背景中的特征,同时保持较高的运算效率。与标准C3模块相比,C3K2在特征提取能力上具有更强的适应性,能够兼顾轻量化与高精度需求,尤其适用于复杂场景下的检测任务。

1.3 SPPF模块

SPPF(spatial pyramid pooling-fast)作为YOLO系列模型中的关键特征增强模块,主要用于扩大网络的感受野并增强特征图的多尺度表达能力。

如图5所示,其结构相较于传统的SPP(spatial pyramid pooling)模块进行了简化与加速设计。在输入阶段,首先通过一次卷积将输入特征图进行通道调整,以降低后续计算开销。随后,特征图依次通过3个不同尺度的最大池化层(分别为5×5、9×9和13×13),该设计使得网络能够在相同的特征图上提取不同感受野范围内的上下文信息。不同尺度池化后的结果与原始输入特征图一同在通道维度上进行拼接,从而实现多尺度特征的高效融合。最后,再通过一次卷积操作对拼接后的特征进行压缩,得到既包含全局上下文信息,又保持计算效率的输出特征图。SPPF模块通过减少池化次数并采用串联池化的方式进行多尺度特征融合,相较于传统的SPP模块在保持多尺度感受野优势的同时,显著降低了计算量与参数量,实现了更高效的特征表达。因此,该模块在保证检测精度的同时,有效提升了推理速度,是YOLO系列轻量化与实时性设计中的重要组成部分。

1.4 小波变换卷积(WTConv)

Haar小波变换(Haar wavelet transform)因计算效率高且实现简单,而采用其他小波变换则会显著增加计算成本。因此,采用其构建小波变换卷积模块。具体操作过程:给定图像X,单级Haar小波变换(WT)在单个空间维度(宽度或高度)上的实现,先进行深度卷积(卷积核尺寸分别为[1,1]/

$\sqrt{2}$

和[-1]/

$\sqrt{2}$

,再进行因子为2的标准下采样操作。为实现二维(2D) Haar小波变换,需在宽度和高度两个维度上组合执行上述操作,其结果等价于使用以下4个滤波器进行步长为2的深度卷积,可表示为

(1)

$\left\{\begin{array}{l}{f}_{LL}=\frac{1}{2}\left(\begin{array}{ll}1& 1\\ 1& 1\end{array}\right)\\ {f}_{LH}=\frac{1}{2}\left(\begin{array}{ll}1& -1\\ 1& -1\end{array}\right)\\ {f}_{HL}=\frac{1}{2}\left(\begin{array}{ll}1& 1\\ -1& -1\end{array}\right)\\ {f}_{HH}=\frac{1}{2}\left(\begin{array}{ll}1& -1\\ -1& 1\end{array}\right)\end{array}\right.$

式(1)中:f_LL为低通滤波器;f_LH、f_HL、f_HH为一组高通滤波器。

对于每个输入通道,卷积的输出可表示为

(2)[X_LL,X_LH,X_HL,X_HH]=Conv([f_LL,f_LH,f_HL,f_HH])

输出特征有4个通道,每个通道的分辨率(在每个空间维度上)是X的1/2。X_LL为X的低频分量,X_LH、X_HL、X_HH分别为X的水平、垂直和对角线高频分量。

由于式(1)中的核构成一个标准正交基,则可以通过转置卷积得到逆小波变换(inverse wavelet transform,IWT),可表示为

(3)X=Conv_transposed(f_LL,f_LH,f_HL,f_HH],[X_LL,X_LH,X_HL,X_HH])

然后通过递归分解低频分量来给出级联小波分解。分解的每个级别由式(4)所得。

(4)${X}_{LL}^{\left(\mathrm{i}\right)}$,${X}_{LH}^{\left(\mathrm{i}\right)}$,${X}_{HL}^{\left(\mathrm{i}\right)}$,${X}_{HH}^{\left(\mathrm{i}\right)}$=WT[${X}_{LL}^{(\mathrm{i}-1)}$]

式(4)中:i为当前小波分解级数;

${X}_{LL}^{(\mathrm{i}-1)}$

为第i-1级分解得到的低频子带;

${X}_{LL}^{\left(\mathrm{i}\right)}$

、

${X}_{LH}^{\left(\mathrm{i}\right)}$

、

${X}_{HL}^{\left(\mathrm{i}\right)}$

、

${X}_{HH}^{\left(\mathrm{i}\right)}$

分别为第i级分解的低频子带、水平高频子带、垂直高频子带、对角线高频子带;WT(·)为小波变换函数。

由于较低频率的空间分辨率会降低,而这样操作将会使频率分辨率增加。增加卷积层的核大小会使参数量二次增加(因此也会增加自由度)。为了缓解这种情况,进行以下操作:首先,使用WT过滤和缩减输入的低频和高频内容;然后,在使用IWT构造输出之前,对不同的频率特征执行小核深度卷积。该过程可表示为

(5)Y=IWT{Conv[W,WT(X)]}

式(5)中:X为输入张量;Y为输出张量;IWT(·)为逆小波变换函数;Conv[·]为卷积操作;W为k×k深度卷积核的权重张量,其输入通道数是X的4倍。

这种操作不仅分离了频率分量之间的卷积,而且使较小尺寸的卷积核能够在原始输入图像上获得更大的等效感受野。对第二级小波域

${X}_{LL}^{\left(2\right)}$

的低频带执行3×3卷积,该操作实际覆盖输入图像X中12×12感受野的低频信息,具体操作步骤如图6所示。

图6中,输入特征X首先经过一级小波变换(WT)分解为低频子带

${X}_{LL}^{\left(1\right)}$

和高频子带

${X}_{LH}^{\left(1\right)}$

、

${X}_{HL}^{\left(1\right)}$

、

${X}_{HH}^{\left(1\right)}$

。随后,仅对一级低频子带

${X}_{LL}^{\left(1\right)}$

继续执行二级小波变换,得到

${X}_{LL}^{\left(2\right)}$

、

${X}_{LH}^{\left(2\right)}$

、

${X}_{HL}^{\left(2\right)}$

和

${X}_{HH}^{\left(2\right)}$

。其中,蓝色区域表示在对应小波子带中的卷积作用区域,蓝色箭头表示该区域映射回原始输入空间后的等效感受范围。由于小波变换具有下采样特性,在深层低频子带中执行的小尺寸卷积核,能够在原始输入空间中对应更大的感受区域,从而有效扩大模型的等效感受野将1级的组合运算,通过使用与方程4相同的级联原理。过程可表示为

(6)${X}_{LL}^{\left(\mathrm{i}\right)}$,${X}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$=WT[${X}_{LL}^{(\mathrm{i}-1)}$]

(7)${Y}_{LL}^{\left(\mathrm{i}\right)}$,${Y}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$=Conv{W⁽ⁱ⁾,[${X}_{LL}^{\left(\mathrm{i}\right)}$,${X}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$]}

式中:

${X}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$

为前面所描述的i层的所有三个高频映射;

${Y}_{LL}^{\left(\mathrm{i}\right)}$

为低频输出特征;

${Y}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$

为高频输出特征;W⁽ⁱ⁾为第i级卷积操作的权重参数。

为了组合不同频率的输出,利用WT及其逆是线性运算的事实,即IWT(X+Y)=IWT(X)+IWT(Y)。

(8)Z⁽ⁱ⁾=IWT[${Y}_{LL}^{\left(\mathrm{i}\right)}$+Z⁽ⁱ⁺¹⁾,${Y}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$]

式(8)中:Z⁽ⁱ⁾为从级别i开始的聚合输出。

两个不同大小的卷积的输出相加作为输出,最终结果是不同层级卷积的总和。

由于对

${Y}_{LL}^{\left(\mathrm{i}\right)}$

和

${Y}_{\mathrm{H}}^{\left(\mathrm{i}\right)}$

进行单独的归一化并不等同于原始域中的归一化,因此不能对其分别进行归一化。相反,只需执行逐通道缩放即可衡量每个频率分量的贡献。该算法伪代码如下。其中

${X}_{LL}^{\left(0\right)}$

为原始输入,N_W为宽度,N_h为高度。

1.5 SIoU损失函数

IoU(intersection over union)用于评估模型预测目标位置和大小的准确性,较高的IoU通常表明模型能更精确地定位目标边界框。原始的YOLOv11-seg采用的 CIoU损失函数^[15]进一步考虑了边界框中心点距离和长宽比差异,通过引入修正因子,增强了损失函数对不同形状目标框的鲁棒性,使其尤其适用于对目标边界定位精度要求较高的场景。但在隧道表观病害检测过程中,由于不同病害的形状和大小具有较大的差异,可能会造成过度惩罚。因此,根据隧道表观病害的实际特点,引入一种考虑边界框向量角度的SIoU损失函数。相较于传统 IoU,SIoU通过协同优化边界框的位置、方向与形状,不仅克服了传统 IoU 在非重叠情况下梯度消失的问题,还显著提升了对旋转目标及复杂场景的适应能力。SIoU 的设计考虑了预测框与真实框之间的匹配平滑性,使其能更有效地应对多样化的目标形状和遮挡情况,从而大幅增强了模型的鲁棒性。SIoU 的具体参数如图7所示。其损失函数包含4个关键部分:角度损失、距离损失、形状损失和交并比损失。

角度损失(ℓ_angle)表示预测框与真实框中心点连线与x、y轴之间的最小角度,可表示为

(9)ℓ_angle=1-2sin²

$\left(\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{s}\mathrm{i}\mathrm{n}x-\frac{\mathrm{\pi }}{4}\right)$

(10)x=$\frac{\mathrm{m}\mathrm{a}\mathrm{x}({b}_{\mathrm{c}y}^{\mathrm{g}\mathrm{t}},{b}_{\mathrm{c}y})-\mathrm{m}\mathrm{i}\mathrm{n}({b}_{\mathrm{c}y}^{\mathrm{g}\mathrm{t}},{b}_{\mathrm{c}y})}{\sqrt{({b}_{\mathrm{c}x}^{\mathrm{g}\mathrm{t}}-{b}_{\mathrm{c}x}{)}^{2}+({b}_{\mathrm{c}y}^{\mathrm{g}\mathrm{t}}-{b}_{\mathrm{c}y}{)}^{2}}}$

式(10)中:(b_c_x,b_c_y)为预测框的中心点坐标;(

${b}_{\mathrm{c}x}^{\mathrm{g}\mathrm{t}}$

${b}_{\mathrm{c}y}^{\mathrm{g}\mathrm{t}}$

)为真实框的中心点坐标。

距离损失(ℓ_distance)表示预测框与真实框中心点之间的距离,惩罚代价与角度损失呈正相关,可表示为

(11)ℓ_distance=2-${\mathrm{e}}^{-\vartheta {\left(\frac{{b}_{\mathrm{c}x}^{\mathrm{g}\mathrm{t}}-{b}_{\mathrm{c}x}}{{C}_{\mathrm{w}}}\right)}^{2}}$-${\mathrm{e}}^{-\vartheta {\left(\frac{{b}_{\mathrm{c}y}^{\mathrm{g}\mathrm{t}}-{b}_{\mathrm{c}y}}{{C}_{\mathrm{h}}}\right)}^{2}}$

式(11)中:C_w为预测框横纵坐标之差;C_h为真实框横纵坐标之差;ϑ为角度调节因子。

(12)ϑ=2-ℓ_angle

形状损失(ℓ_shape)表示两框之间的长宽比,通过对长、宽收敛来达到整体收敛的效果,可表示为

(13)ℓ_shape=1-${\mathrm{e}}^{-\frac{\left|w-{w}^{\mathrm{g}\mathrm{t}}\right|}{\mathrm{m}\mathrm{a}\mathrm{x}(w-{w}^{\mathrm{g}\mathrm{t}})}}$+[1-${\mathrm{e}}^{-\frac{\left|h-{h}^{\mathrm{g}\mathrm{t}}\right|}{\mathrm{m}\mathrm{a}\mathrm{x}(h-{h}^{\mathrm{g}\mathrm{t}})}}$]⁴

式(13)中:w、h分别为交集的长和宽;w^gt、h^gt分别为预测框的长和宽。

最后,SIoU可以定义为

(14)IoU=$\frac{\mathrm{A}\mathrm{r}\mathrm{e}\mathrm{a}\mathrm{o}\mathrm{f}\mathrm{O}\mathrm{v}\mathrm{e}\mathrm{r}\mathrm{l}\mathrm{a}\mathrm{p}}{\mathrm{A}\mathrm{r}\mathrm{e}\mathrm{a}\mathrm{o}\mathrm{f}\mathrm{U}\mathrm{n}\mathrm{i}\mathrm{o}\mathrm{n}}$

式中:Area of Overlap为重叠区域;Area of Union为并集区域。

(15)ℓ_SIoU=1-IoU+$\frac{{\mathcal{l}}_{\mathrm{S}\mathrm{h}\mathrm{a}\mathrm{p}\mathrm{e}}+{\mathcal{l}}_{\mathrm{d}\mathrm{i}\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{e}}}{2}$

2 模型检测效果验证

2.1 软硬件配置

本文模型训练硬件环境为台式计算机,搭载 NVIDIA GeForce RTX3060显卡,显存12 GB;运行系统为Ubuntu22.04;处理器为 Intel(R) Core(TM) i7-12700F,16 GB 内存; 软件环境采用 Pytorch-CUDA深度学习框,Pytorch版本为2.2.2,CUDA版本为11.8,编译器为Visual Studio Code,编程语言为 Python 3. 10。

2.2 数据集构建与训练细节

训练数据集是在人工巡检过程中使用手机和摄像头采集,专门用于检测典型的隧道损伤。该数据集包含五类隧道缺陷的带标签图像:侧沟损伤 (STD)、非侧沟板损伤 (NSTP)、路面裂缝 (RC)、渗漏水 (LW) 和拱顶衬砌剥落 (VLS)。该数据集包含1 000张图像,每张图像都有对应的标签文件,并按7∶2∶1的比例分为训练集、验证集和测试集,以确保各组图像之间不重叠。在测试和验证阶段,图像尺寸调整为640×640。训练过程持续300个 epoch,初始学习率为0.015,在230个epoch后降低 10倍。采用随机梯度下降(stochastic gradient descent,SGD) 作为优化器,动量设置为0.937,权重衰减设置为0.000 5。

2.3 评估指标

在对比实验中,采用准确率(P)、召回率(R)、平均准确率(AP)和平均准确率(mAP)作为评价指标。其中,P表示正确识别的实例占所有预测实例的比例,R是衡量模型准确分类实例能力的关键指标。其定义分别为

(16)P=$\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P}}$×100%

(17)P=$\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}}$×100%

(18)

$\mathrm{A}\mathrm{P}={\int }_{0}^{1}P\left(R\right)\mathrm{d}R$

(19)mAP=$\frac{\mathrm{A}\mathrm{P}}{{n}_{\mathrm{c}\mathrm{l}\mathrm{a}\mathrm{s}\mathrm{s}}}$

式中:TP为真阳性;FP为假阳性;AP和mAP指标由预测边界与真实值的IoU决定,其中,AP为所有召回值(0~1)的平均精度,mAP为所有类别AP的平均值;n_class为数据集中类别的总数。

2.4 结果与分析

2.4.1 YOLOv11-WTseg模型改进前后检测结果对比

为了验证引入的WTConv(小波变换卷积)及SIoU损失函数的有效性,分步引入以上改进策略,进行消融实验。实验结果如图8所示。

由图8可知,添加WTConv模块之后,模型在检测和分割的平均精度均值都分别增加了23%和33%。其根本原因在于小波变换对隧道病害特征的多尺度表征能力与空间定位优势,Haar本质是高频滤波器,对裂缝、剥落等病害的边缘和纹理变化极其敏感;而WTConv模块通过多级小波分解机制,在不显著增加参数量的前提下实现了感受野的扩大,提升了模型对于隧道大尺度病害特征的全局上下文感知能力。在此基础上,进一步将模型原始的CIoU损失函数替换为SIoU损失函数,检测平均精度均值在保持不变的前提下,分割的平均精度均值进一步提升了19%。这是因为角度惩罚机制更适合隧道病害的几何特性(细长、不规则等),通过方向敏感梯度优化了像素级的边界预测。而检测任务因其矩形框的几何包容性未能显式受益。

2.4.2 现有常用模型与YOLOv11-WTseg模型检测结果对比

为对比改进YOLOv11-WTseg与不同模型的检测性能,选取YOLACT ^[16]、Sparse-rcnn^[17]、Faster-rcnn^[18]、Cascade-rcnn^[19]、YOLO系列^[11,20-21]实例分割模型进行对比试验,训练过程中保持训练参数、数据集的一致性。由表1所示的实验结果可知,改进后的YOLOv11-seg的平均精度均值达到84.2%,相较于YOLACT、YOLOv7-seg、YOLOv8-seg、原始YOLOv11-seg,平均精度均值提升了50.6%、23%、19%、21%。二阶段模型Sparse-rcnn、Faster-rcnn、Cascade-rcnn也表现得较差,原因可能是隧道多尺度的病害特征,在网络结构中无法被很好的提取,IoU计算以及后处理阶段的不足等多方面因素所导致的。试验结果表明,本文模型对隧道表观病害有更好的检测效果。

2.4.3 YOLOv11-WTseg边缘部署实验

为了验证所提出改进模型在嵌入式边缘设备上的部署性能,如图9所示,在 NVIDIA Jetson Xavier NX 平台上进行了推理速度对比实验。由表2可知,在不同输入分辨率下,YOLOv11-WTseg 在Box_mAP与Mask_mAP指标上均显著优于YOLOv11-seg。例如,当输入尺寸为640×640时,Box_mAP提升至0.845,Mask_mAP 提升至0.839;即使在低分辨率(128×128)下,仍分别达到0.452与0.419,均较基线方法有所提升。更为重要的是,在精度提升的同时,本文方法的推理时间和模型规模并未增加,反而保持在相当或更优水平。例如,在640×640尺度下的推理延迟仅为117 ms,模型规模控制在5.4 M。造成这一现象的原因主要有两点:首先,WTConv 通过权重重排与轻量化设计,有效减少了卷积运算中的冗余计算,从而提升了特征提取效率;其次,SIoU通过角度惩罚机制简化了公式结构,使得训练过程更稳定并加速收敛,从而得到参数分布更加紧凑的模型结构。二者相互作用,使得改进后的模型在保持较强特征表达能力的同时,减少了推理阶段的无效计算,从而在边缘设备上实现了更低延迟。综上所述,所提出的YOLOv11-WTseg兼具精度提升与高效推理,展现了良好的轻量化特性与边缘部署适应性。

2.4.4 模型输出可视化结果分析

为了进一步验证所改进的YOLOv11-WTseg的性能,进行了大量的视觉实验。总体而言,所提出的改进YOLOv11-WTseg可以有效检测隧道的所有表面缺陷,如图10所示。此外,改进YOLOv11-WTseg成功地对表观病害进行了区域解析,显示了其检测多尺度目标的强大能力。这证实了改进YOLOv11-WTseg对于隧道表观缺陷的检测是非常适用的。值得注意的是,所有的分割结果都与标注区域高度一致。综上所述,改进YOLOv11-WTseg为隧道表观缺陷的检测和分割提供了高效、准确的解决方案。

3 结论

针对隧道表观病害检测与分割任务,提出一种改进的轻量化模型YOLOv11-WTseg,实现了病害区域的高精度识别与可视化。模型在结构上引入WTConv模块以扩展感受野、增强多尺度特征表达,并将边界框回归损失由CIoU替换为SIoU,通过角度惩罚机制显著提升定位精度。在与多种主流实例分割模型(包括YOLACT、RCNN系列及YOLOv7/8/11-seg)的对比实验中,改进模型在相同训练条件下取得84.2%的mAP@0.5,平均精度较其他模型最高提升超过50%,充分验证了其在隧道病害检测中的优越性能。此外,模型在自建数据集上检测与分割任务的 mAP@0.5分别达到84.5%与83.9%;在NVIDIA Jetson Xavier NX平台上部署时,仅5.4 M参数即可实现117 ms推理延迟,兼具高精度、轻量化与实时性。未来工作将聚焦于结构轻量化优化与跨场景光照自适应机制的引入,以进一步提升模型在复杂隧道环境中的鲁棒性与泛化能力,并推动其在嵌入式终端上的高效边缘部署应用。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	许宇峰, 柳康伟. 高速公路隧道质量检测技术分析[J]. 交通科技与管理, 2025, 6(17): 115-117.

[2]	Xu Yufeng, Liu Kangwei. Analysis of highway tunnel quality inspection technology[J]. Transportation Science and Technology and Management, 2025, 6(17): 115-117.

[3]	刘学增, 房茂柳, 吴德兴, 等. 隧道结构病害快速检测技术的现状与发展[J]. 隧道建设(中英文), 2025, 45(4): 657-676.

[4]	Liu Xuezeng, Fang Maoliu, Wu Dexing, et al. Current status and development of rapid detection technology for tunnel structural defects[J]. Tunnel Construction, 2025, 45(4): 657-676.

[5]	牛道安, 柯在田, 刘维桢, 等. 高速铁路基础设施检测监测体系框架研究[J]. 中国铁路, 2020(10): 9-17.

[6]	Niu Daoan, Ke Zaitian, Liu Weizhen, et al. Research on the framework of high-speed railway infrastructure inspection and monitoring system[J]. China Railway, 2020(10): 9-17.

[7]	Long S H, Yang T, Wu Y P, et al. GPR imagery based internal defect evaluation system for railroad tunnel lining using real-time instance segmentation[J]. IEEE Sensors Journal, 2024, 24(21): 35997-36010.

[8]	杨豪, 郭凯丽, 张军辉, 等. 基于YOLO11-L算法的道路内部空洞定量识别[J/OL]. (2025-08-18)[2025-09-20]. https://kns.cnki.net/kcms/detail/61.1313.U.20250818.1134.002.html.

[9]	Yang Hao, Guo Kaili, Zhang Junhui, et al. Quantitative identification of road interior voids based on YOLO11-L algorithm[J/OL]. (2025-08-18)[2025-09-20]. https://kns.cnki.net/kcms/detail/61.1313.U.20250818.1134.002.html.

[10]	方力涵, 张庆文, 李卫国, 等. 基于改进YOLOv5的隧道衬砌病害精确检测方法[J]. 科学技术与工程, 2025, 25(16): 6812-6820.

[11]	Fang Lihan, Zhang Qingwen, Li Weiguo, et al. A precise detection method for tunnel lining defects based on improved YOLOv5[J]. Science Technology and Engineering, 2025, 25(16): 6812-6820.

[12]	陈霆, 雷洋, 白堂博, 等. 基于改进YOLOv7模型的地铁隧道衬砌表观病害检测方法[J]. 铁道建筑, 2024, 64(3): 94-99.

[13]	Chen Ting, Lei Yang, Bai Tangbo, et al. Subway tunnel lining surface defect detection method based on improved YOLOv7 model[J]. Railway Construction, 2024, 64(3): 94-99.

[14]	陈茂. 基于深度学习的隧道衬砌病害智能检测方法设计[J]. 智能城市, 2025, 11(3): 128-130.

[15]	Chen Mao. Design of intelligent detection method for tunnel lining defects based on deep learning[J]. Smart City, 2025, 11(3): 128-130.

[16]	白子毅, 马述起, 姚相臣, 等. 基于U-Net网络改进的隧道渗漏水图像分割方法[J]. 科学技术与工程, 2025, 25(32): 13998-14008.

[17]	Bai Ziyi, Ma Shuqi, Yao Xiangchen, et al. The image segmentationmethod for tunnel leakage based on the improvement of U-Net network[J]. Science Technology and Engineering, 2025, 25(32): 13998-14008.

[18]	He L, Zhou Y, Liu L, et al. Research and application of YOLOv11-based object segmentation in intelligent recognition at construction sites[J]. Buildings, 2024, 14(12): 3777.

[19]	Khanam R, Hussain M. YOLOv11: an overview of the key architectural enhancements[J]. arXiv Preprint, arXiv: 2410.17725, 2024.

[20]	Wang A, Chen H, Liu L, et al. YOLOv10: real-time end-to-end object detection[J]. Advances in Neural Information Processing Systems, 2024, 37: 107984-108011.

[21]	Finder S E, Amoyal R, Treister E, et al. Wavelet convolutions for large receptive fields[C]// European Conference on Computer Vision. Cham: Springer, 2024: 363-380.

[22]	Gevorgyan Z. SIoU loss: more powerful learning for bounding box regression[J]. arXiv Preprint, arXiv: 2205.12740, 2022.

[23]	Zheng Z, Wang P, Liu W, et al. Distance-IoU loss: faster and better learning for bounding box regression[C]// Proceedings of the AAAI Conference on Artificial Intelligence. Philadelphia: AAAI, 2020: 12993-13000.

[24]	Bolya D, Zhou C, Xiao F, et al. YOLACT: real-time instance segmentation[C]// Proceedings of the IEEE/CVF International Conference on Computer Vision. New York: IEEE, 2019: 9157-9166.

[25]	Sun P, Zhang R, Jiang Y, et al. Sparse R-CNN: end-to-end object detection with learnable proposals[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2021: 14454-14463.

[26]	Ren S, He K, Girshick R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. Advances in Neural Information Processing Systems, 2015, 28: 91-99.

[27]	Cai Z, Vasconcelos N. Cascade R-CNN: delving into high quality object detection[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2018: 6154-6162.

[28]	Wang C Y, Bochkovskiy A, Liao H Y M. YOLOv7: trainable bag-of-freebies sets new state-of-the-art for real-time object detectors[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2023: 7464-7475.

[29]	Sohan M, Sai Ram T, Rami Reddy C V. A review on YOLOv8 and its advancements[C]// International Conference on Data Inte-lligence and Cognitive Informatics. Singapore: Springer, 2024: 529-545.

基金资助

云南省交通科学研究院有限公司自立项目(JKYZLX-2025-05)

云南省基础研究项目(202301BE070001-042)

云南省基础研究项目(202401A1070409)

国家自然科学基金(52362048)

云南省车路协同控制与运行安全创新团队(202505AS350024)

PDF (11702KB)

访问

被引

详细

导航

Received	Published	Revised
2025-10-10	2026-08-28	2025-12-16
Online Date
2026-09-04

摘要